-
公开(公告)号：CN105741267B
公开(公告)日：2018-11-20
申请号：CN201610045439.5
申请日：2016-01-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种聚类引导深度神经网络分类的多源图像变化检测方法，避免了传统的变化检测中的前期产生差异图的步骤，克服了多源图像变化检测需要产生差异图的弊端。其实现步骤为：输入光学图像的灰度矩阵；对光学图像进行模糊聚类得到分割后的灰度矩阵；对聚类分割后的光学图像做标记；对光学图像和TM图像进行采样；从TM图像中选取训练样本；训练栈式稀疏自动编码器SAE；利用标签对网络参数进行微调；把TM图像输入到网络输出分类后的图像；对两幅分类后的图作对数比；得到变化检测结果。本发明摒弃了差异图的构造环节，适用于多源遥感图像变化检测，具有受噪声影响小、变化检测结果分类精度高等优点。
-
公开(公告)号：CN105046241B
公开(公告)日：2018-04-17
申请号：CN201510512212.2
申请日：2015-08-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于RBM模型的目标级遥感图像变化检测方法，主要针对已有变化检测方法的不足，将受限波尔兹曼机RBM与目标级遥感图像变化检测结合起来，应用到遥感图像变化检测。其实现步骤是：(1)输入两幅遥感图像的灰度矩阵；(2)模糊聚类得到两幅遥感图像分割后的灰度矩阵；(3)构造待检测的对数比值差异灰度矩阵；(4)对对数比值差异灰度矩阵预分类；(5)选取训练样本；(6)训练受限波尔兹曼机RBM；(7)输出变化检测结果。本发明降低了对遥感图像配准精度的依赖性，具有良好的抗噪性，并提高了遥感图像变化检测的正确率和分类精度。
-
公开(公告)号：CN105046241A
公开(公告)日：2015-11-11
申请号：CN201510512212.2
申请日：2015-08-19
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6229 , G06K9/6262
Abstract: 本发明公开了一种基于RBM模型的目标级遥感图像变化检测方法，主要针对已有变化检测方法的不足，将受限波尔兹曼机RBM与目标级遥感图像变化检测结合起来，应用到遥感图像变化检测。其实现步骤是：(1)输入两幅遥感图像的灰度矩阵；(2)模糊聚类得到两幅遥感图像分割后的灰度矩阵；(3)构造待检测的对数比值差异灰度矩阵；(4)对对数比值差异灰度矩阵预分类；(5)选取训练样本；(6)训练受限波尔兹曼机RBM；(7)输出变化检测结果。本发明降低了对遥感图像配准精度的依赖性，具有良好的抗噪性，并提高了遥感图像变化检测的正确率和分类精度。
-
公开(公告)号：CN105741267A
公开(公告)日：2016-07-06
申请号：CN201610045439.5
申请日：2016-01-22
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10032 , G06T2207/20081 , G06T2207/20084 , G06T2207/30181
Abstract: 本发明公开了一种聚类引导深度神经网络分类的多源图像变化检测方法，避免了传统的变化检测中的前期产生差异图的步骤，克服了多源图像变化检测需要产生差异图的弊端。其实现步骤为：输入光学图像的灰度矩阵；对光学图像进行模糊聚类得到分割后的灰度矩阵；对聚类分割后的光学图像做标记；对光学图像和TM图像进行采样；从TM图像中选取训练样本；训练栈式稀疏自动编码器SAE；利用标签对网络参数进行微调；把TM图像输入到网络输出分类后的图像；对两幅分类后的图作对数比；得到变化检测结果。本发明摒弃了差异图的构造环节，适用于多源遥感图像变化检测，具有受噪声影响小、变化检测结果分类精度高等优点。
-
-
-
Search Results
4
records
(took 0.017 seconds)
